Das ABCD-J Projekt
Das gemeinschaftliche ABCD-J Forschungprojekt ist ein Zusammenschluss von fünf Forschungsinstitutionen in Nordrhein-Westfalen: Der Universitätskliniken Bonn, Köln, Düsseldorf, sowie der RWTH Aachen, und dem Forschungszentrum Jülich. Das übergeordnete Ziel des ABCD-J Projektes ist es, existierende technische Infrastruktur zur konkreten wissenschaftlichen Anwendung zu bringen. Auf sozialer Ebene fördert und erleichtert das ABCD-J Projekt dazu Kollaborationen zwischen einer Vielzahl von Forschungsinstituten. Auf technischer Ebene beschleunigt das Projekt wissenschaftlichen Fortschritt durch die Homogenisierung von Abläufen und Prozessen, spezifisch im Bereich der Biomarkerentwicklung.
ABCD-J Plattform
Die ABCD-J Plattform bietet klinisch Forschenden der Bereiche Neurologie und Psychiatrie eine digitale Infrastruktur, die 1) die Sammlung von Daten mit Hilfe mobiler Gesundheitstechnologien, 2) die Harmonisierung und Verwaltung von Daten gemäß den FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) und 3) die automatisierte Analyse von Daten mit Hilfe von Algorithmen des maschinellen Lernens mit dem Ziel der Entwicklung digitaler Biomarker ermöglicht.
JTrack
Die JTrack-Plattform besteht aus den beiden JTrack-Anwendungen EMA und Social, sowie einer Serverstruktur, um eine zentrale Datensammlung zu ermöglichen. Die Plattform wurde entwickelt, um spezifische digitale Phänotypisierungsinformationen über die Smartphone-Nutzung, Sensordaten und das tägliche Leben der Teilnehmer zu sammeln. Die JTrack-Plattform wurde als Open-Source-Kollaborationswerkzeug veröffentlicht, um klinischen und verhaltenswissenschaftlichen Forschern zu ermöglichen, ihre eigenen digitalen Phänotypisierungsdaten von spezifischen Studienpopulationen zu sammeln. Im Rahmen des ABCD-J wird JTrack in klinische Studien bei allen Partnern integriert, um eine harmonisierte und standardisierte Bewertung verschiedener klinischer Kohorten ermöglicht.
DataLad
DataLad ist ein frei verfügbares open source Softwarewerkzeug für dezentrales Forschungsdatenmanagement. Es erlaubt die Versionierung von Daten, erleichtert die Strukturierung von Projekten, gewährleistet Reproduzierbarkeit, unterstützt Kollaboration, und stellt Integrationen zu weit verbreiteter Dateninfrastruktur zur Verfügung.
julearn
Die frei verfügbare open source Software julearn erleichtert typische Workflows aus dem Bereich des machinellen Lernens, inklusive Modellevaluation und -vergleich. Mit dieser Python-Bibliothek können Nutzer mühelos selbst komplexe Modelle des maschinellen Lernens erstellen und testen, und gleichzeitig die volle Flexibilität der zugrundeliegenden scikit-learn Bibliothek ausnutzen.
ABCD-J Datenkatalog
Der Datenkatalog stellt eine Übersicht über einer Vielzahl erhobener Datensätze dar, die in Partnerinstitutionen erhoben und geteilt wurden. Wussten Sie, dass Sie Ihre Daten mit dem Katalog verlinken können, ohne sie hochladen zu müssen?
Verlinken Sie Ihre Daten!